基于双向循环神经网络与CRF模型下的NER研究开题报告

全文总字数：5447字

1. 研究目的与意义（文献综述）

1.1 研究目的及意义

命名实体识别(named entities recognition, ner)是自然语言处理(natural language processing, nlp)的一个基础任务，其目的是识别语料中人名、地名、组织机构名等命名实体，在所有涉及nlp的人工智能研究中——譬如智能客服——都是一个必须首先攻克的任务。由于这些命名实体数量不断增加，通常不可能在词典中穷尽列出，且其构成方法具有各自的一些规律性，因而，通常把对这些词的识别从词汇形态处理(如汉语切分)任务中独立处理，称为命名实体识别。

2. 研究的基本内容与方案

评判一个命名实体是否被正确识别包括两个方面：

（1）实体的边界是否正确；

（2）实体的类型是否标注正确。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

4. 参考文献（12篇以上）

[1]张海楠, 伍大勇, 刘悦,等. 基于深度神经网络的中文命名实体识别[j]. 中文信息学报, 2017, 31(4):28-35.

[2]王红斌, 沈强, 线岩团. 融合迁移学习的中文命名实体识别[j]. 小型微型计算机系统, 2017, 38(2):346-351.

[3]朱丹浩, 杨蕾, 王东波. 基于深度学习的中文机构名识别研究——一种汉字级别的循环神经网络方法[j]. 数据分析与知识发现, 2017, 32(12): 36-43.